3D语义分割的深度学习：详细综述
计算机视觉与模式识别
2025-01-20 v1
摘要
本文对3D语义分割（3DSS）中近期和以往的深度学习方法进行了详尽的综述和全面的分析。在相关文献中，用于对3DSS深度学习方法进行分类的分类方案是模糊的。基于9篇现有综述论文的分类方案，我们提出了一种新的3DSS深度学习方法分类方案，旨在使其标准化并提高相关研究之间的可比性和清晰度。此外，我们提供了可用的3DSS室内和室外数据集的广泛概述及其链接。本综述的核心部分是对近期和以往3DSS深度学习方法的详细展示及其使用所提出的分类方案的分类，以及它们的GitHub仓库。此外，我们简要但信息丰富地分析了3DSS中使用的评估指标和损失函数。最后，对所考察的3DSS方法和数据集进行了富有成效的讨论，以促进该领域新的研究方向和应用。此外，作为本综述的补充，我们提供了一个GitHub仓库（https://github.com/thobet/Deep-Learning-on-3D-Semantic-Segmentation-a-Detailed-Review），其中包括使用所提出的分类方案对400多种3DSS方法的快速分类。
引用
@article{arxiv.2411.02104,
title = {Deep Learning on 3D Semantic Segmentation: A Detailed Review},
author = {Thodoris Betsas and Andreas Georgopoulos and Anastasios Doulamis and Pierre Grussenmeyer},
journal= {arXiv preprint arXiv:2411.02104},
year = {2025}
}